随着测序的不断发展，单细胞转录组测序（Single-cell RNA sequencing，scRNA-seq）以其前所未有的分辨率在一众技术中脱颖而出，正深刻变革着我们对生命复杂性的认知。作为实验的第一步，能否获取高质量、能真实反映组织状态的单细胞悬液，直接决定了实验能否成功。
然而，scRNA-seq受限于新鲜样本难以获取保存，冻存样本又无法制备高质量细胞悬液的问题，导致许多特殊样本无法得到理想的结果。应运而生的单细胞核转录组测序（Single Nuclei RNA Sequencing，snRNA-seq）区别于常规的单细胞转录组测序，对组织直接进行抽提细胞核的操作，并用细胞核进行后续的转录组测序，并用核转录组数据进行后续分析，有效解决了单细胞测序样本保存难的瓶颈。
下面让我们从多个角度，了解下scRNA-seq和snRNA-seq究竟有那些区别？
1.ScRNA-seq和SnRNA-seq有哪些区别？
2.ScRNA-seq和SnRNA-seq到底怎么选？
首先让我们通过一篇文章直观的对比下ScRNA-seq和SnRNA-seq的结果差异：
本研究通过多维度分析手段系统比较了scRNA-seq与snRNA-seq技术的性能差异。评估了单细胞及单核数据在不同类型的样本中细胞组成的准确性。旨在揭示两种工作流程在细胞类型和基因表达结果上的系统性差异。
肾脏中细胞最多的细胞类型是近端小管（PT）。新鲜样本的细胞悬液中，PT占比在60%以上；相比之下，PT在低温保存的样品中几乎检测不到，且其余五种肾细胞类型的细胞数量也明显不足，表明低温保存样本不适用于解离方法。
对肾脏组织的单细胞转录组测序scRNA-seq和snRNA-seq的数据进行比较。在所有实验中，snRNA-seq的免疫细胞检测率均低于scRNA-seq，且snRNA-seq只能检测到巨噬细胞唯一种类型的免疫细胞，而scRNA-seq中还能检测到T细胞、B细胞和NK细胞等免疫细胞，表明在snRNA-seq数据中免疫细胞出现明显缺失。
植物样本因具有坚固的细胞壁、巨大的液泡及丰富的次级代谢物，使得scRNA-seq难以得到良好的检测结果。snRNA-seq通过直接提取细胞核，有效规避了这些瓶颈，为在更接近体内真实状态下解析植物细胞的异质性提供了强大工具。
凌恩生物公众号解读：
snRNA-seq vs scRNA-seq谁更nice，用数据说话
本研究使用密度梯度离心代替流式细胞术分选技术以获得拟南芥叶片细胞核。提取同等状态的拟南芥原生质体进行比较实验。使用相同的参数进行数据处理，以比较snRNA-seq和scRNA-seq在植物样本中的的差异。
拟南芥成熟叶片的主要细胞类型都能在snRNA-seq 转录组中被鉴定，其中有两个表皮细胞簇，但在scRNA-seq 数据集中只有一个表皮细胞簇，且snRNA-seq数据集中鉴定的表皮细胞比例明显高于scRNA-seq。
3.有没有方法可以“既要又要“？
既然scRNA-seq和snRNA-seq各有优势，那么有没有一种可行的方法，可以将两种数据进行整合分析，达到1+1＞2的效果呢？
一篇经典的文献《Cells of the adult human heart》中，通过snRNA-seq捕获心肌细胞，以及scRNA-seq捕获内皮和免疫细胞，构建了完善的人类心脏单细胞图谱。
植物样本中同样有类似的分析思路，发表在Nature上的《A pan-grass transcriptome reveals patterns of cellular divergence in crops》一文，通过整合了拟南芥及三个禾本科物种的scRNA-seq和snRNA-seq数据，比对了跨物种细胞类型的保守性和多样性。
凌恩生物公众号解读：
scRNA-seq和snRNA-seq作为成熟的技术手段，分别在免疫细胞等敏感细胞类型的检测，以及脆弱细胞、大细胞或冻存组织等困难样本的分析中分别表现出明显的优势，可以根据样本特性与科学问题灵活选择适宜方法；必要时也可整合两种技术进行联合分析，以更全面揭示细胞异质性与基因表达特征等研究目的。
凌恩生物单细胞（核）转录组推荐方法
凌恩 基于10x Genomis平台，华大DNBelab C-TaiM4平台搭建完善的单细胞项目流程，一站式满足样本制备到结果解读全流程，已经积累了丰富的单细胞（核）转录组项目经验！性比价高、成本低，适合大样本量研究，想要get同款研究的老师，抓紧联xi我们哦！
测序选凌恩，科研之路一帆风顺~
参考文献：
Denisenko, E., Guo, B.B., Jones, M. et al. Systematic assessment of tissue dissociation and storage biases in single-cell and single-nucleus RNA-seq workflows. Genome Biol 21, 130 (2020).
Wang K, Zhao C, Xiang S, Duan K, Chen X, Guo X, Sahu SK. An optimized FACS-free single-nucleus RNA sequencing (snRNA-seq) method for plant science research. Plant Sci. 2023 Jan;326:111535. doi: 10.1016/j.plantsci.2022.111535. Epub 2022 Nov 16.
Litviňuková M, Talavera-López C, Maatz H, Reichart D, Worth CL, Lindberg EL, Kanda M, Polanski K, Heinig M, Lee M, Nadelmann ER, Roberts K, Tuck L, Fasouli ES, DeLaughter DM, McDonough B, Wakimoto H, Gorham JM, Samari S, Mahbubani KT, Saeb-Parsy K, Patone G, Boyle JJ, Zhang H, Zhang H, Viveiros A, Oudit GY, Bayraktar OA, Seidman JG, Seidman CE, Noseda M, Hubner N, Teichmann SA. Cells of the adult human heart. Nature. 2020 Dec;588(7838):466-472. doi: 10.1038/s41586-020-2797-4. Epub 2020 Sep 24.
Guillotin, B., Rahni, R., Passalacqua, M. et al. A pan-grass transcriptome reveals patterns of cellular divergence in crops. Nature 617, 785–791 (2023).